一种计及风险的电网优化规划方法

1.一种计及风险的电网优化规划方法，其特征是，包括以下步骤：步骤1、对电力系统中电源、负荷、储能环节的不确定性因素进行建模；步骤1.1、电源环节中不确定性因素的建模为：风机出力模型：采用Weibull分布建立风速的概率模型，其概率密度函数表达式：式中，v为风电场建设地的实测风速；k为形状参数，c为尺度参数，二者的取值均取决于当地的风速变化特性；风电机组的有功出力： 式中，v i 、v r 、v o 分别为风力发电机切入风速、额定风速、切出风速；P r 为风机额定功率；A、B、C为相应的特征参数；光伏出力模型：光伏发电的输出功率与太阳光辐射强度有关，其概率密度函数：式中，r为太阳光辐射强度；r max 为太阳光最大辐射强度；α,β分别为Beta分布形状参数；Γ为Gamma函数；α,β参数由太阳光辐射强度r与太阳光最大辐射强度r max 比值的期望μ及其标准差σ求得：上述模型通用数学表达式：式中，R i 为某一时刻的实际太阳光辐射强度；R r 为光伏电池的有功出力等于额定值所对应的光辐射大小，该值取1000W/m 2 ；R c 值设为150W/m 2 ；P n 为光伏发电额定功率；步骤1.2、负荷环节中不确定性因素的建模为：不确定性负荷模型：负荷波动采用正态分布进行描述，其概率密度分布：式中， 为负荷的标准差； 为负荷均值；某一时刻t的节点负荷：可中断负荷模型：设定为一定比例的负荷；步骤1.3、储能环节中不确定性因素的建模为：其发出的有功与装置初始储存电量之间呈线性关系：式中，P rel (t)为第t时间段可释放的有功电量；E sto (t)为电池储能在第t时间段的初始储电量；E min 为储能装置允许的最小剩余电量；ΔT为抽样周期；P dch,max 为储能装置的最大放电功率；第t+1时间段装置的初始储电量E sto (t+1)：式中，P bat (t)为第t时间段电池的充放电功率；t时刻系统中风电、光伏新能源发电的过剩功率记为：ΔG wind (t)＝P WTG (t)-P L (t)·η wind式中，ΔG wind (t)为t时刻的新能源过剩功率；P WTG (t)和P L (t)分别为t时刻新能源的实际出力与实时负荷值；η wind 为系统的新能源装机占比；新能源过剩功率ΔG wind (t)＞0时，储能充电：新能源过剩功率ΔG wind (t)＜0时，储能放电：式中，P ch,max ,P dch,max 为分别为储能最大充、放电功率；步骤2、根据概率潮流方法和基于直流潮流的最优切负荷模型对电力系统进行潮流计算；步骤2.1、采用基于拉丁超立方抽样的蒙特卡洛模拟方法；设X 1 ,X 2 ,…,X K 为研究对象中K个输入量，且均服从一定的概率分布，其中任一随机变量X k 的累积概率分布函数：Y k ＝D k (X k )对所有输入随机变量进行拉丁超立方抽样：将曲线Y k ＝D k (X k )的纵轴等分为互不重叠的N层，由于Y k 的取值范围为0～1.0，故每个区间具有相同的概率1/N；分别在每一个区间中随机抽取一个点，一般是选取中点作为采样点，再用Y k ＝D k (X k )的反函数求得X k 的采样值，采样序列中第n个采样值的表达式：对采样序列进行去相关性处理，通过随机生成一个K×N阶的顺序矩阵H，该矩阵中的每一行决定了初始采样序列X对应的元素排列的位置，以保证变量之间的独立性；设已生成一个K×N阶矩阵，其中每行的元素为1,2,…,N的随机排列，再进行正、反向的迭代：正向迭代：for j＝2,3,…,kfor j＝1,2,…,j-1H k ←takeout(H k ,H j )H k ←rank(H k )反向迭代：for j＝k-1，k-2，…，1for j＝k，k-1，…，j+1H k ←takeout(H k ,H j )H k ←rank(H k )其中，←为赋值符号；takeout(H k ,H j )表示对向量H k ,H j 开展线性回归H k ＝a+bH j 的残差；rank(H k )代表对中的元素进行从小至大排序；正、反向交替迭代，直至表示矩阵列相关性的均方根值ρ rms 趋于稳定或是达到预设的迭代次数为止；步骤2.2、基于直流潮流的最优切负荷模型表示如下：直流潮流模型：P N ＝Bθ支路潮流：p ij ＝(θ i -θ j )/x ij ＝a ij θ/x ij代入可得：p ij ＝a ij B -1 P N /x ij表示为矩阵相乘形式：P L ＝B L AB -1 P N ＝MP N式中，θ表示节点电压的相角；B为节点导纳矩阵，不计参考节点；P N 为系统节点注入功率；x ij 为支路ij的电抗；p ij 为流过支路ij的有功功率；θ i ,θ j 分别为节点i,j电压的相角；a ij 为节点关联矩阵中，支路ij所对应的支路关联向量；P L 表示支路有功潮流列向量；B L 为一对角阵，其对角元素为支路的导纳，A为支路-节点关联矩阵，M称为变换矩阵；最优切负荷模型：P L ＝B L AB -1 (PG-PD+C)PG i,min ≤PG i ≤PG i,max0≤C i ≤Y Ci ·PD i-P Li,max ≤P Li ≤P Li,max其中，约束条件分别为直流潮流等式约束、发电机有功功率约束、负荷削减约束和支路有功约束；系统总节点数为n，C为各个节点切负荷量所组成的向量；P L 表示支路有功潮流列向量；B L 为一对角阵，其对角元素为支路的导纳，A为支路-节点关联矩阵，B为节点导纳矩阵；PG、PD分别为发电机有功功率、有功负荷向量；Y Ci 为一个0-1变量，取值为1代表节点i需要切负荷，取值为0则反之，即负荷削减量应不大于节点i的负荷；步骤2.3、对电力系统进行潮流计算的具体步骤如下：步骤2.3.1、输入待评估系统的原始数据：电网网架结构与线路参数，传统发电机组与新能源装机数目、容量及安装地点，负荷接入情况，储能容量、安装地点以及最大充放电功率、可中断负荷占比；步骤2.3.2、对新能源有功功率、负荷不确定性进行建模处理；步骤2.3.3、在给定的迭代次数内，运用拉丁超立方抽样方法抽取风力与光伏的出力序列，生成负荷序列，进而形成储能的运行状态；步骤2.3.4、进行直流潮流计算，记录计算结果，并判断线路有功功率是否越限，如有越限则转入最优切负荷程序，计算越限情景下的最小切负荷量；步骤2.3.5、用Matlab工具箱中difittool对线路有功的概率密度分布函数进行拟合，得到合适的概率分布曲线以及相关参数；步骤2.3.6、根据概率潮流计算结果的统计值、处理值，计算各项风险指标，并运用熵值法进行风险指标定权，计算系统整体安全性及经济性风险，对系统风险水平进行评价；步骤3、对电网规划项目进行全寿命周期成本分解，划分为投资期成本和运行期成本；步骤3.1、全寿命周期成本C total 分解如下：C total ＝C inv +C ope式中，C total 为全寿命周期总成本；C inv 为投资期成本，考虑各设备从初期建设投运到退运报废全过程的费用折算，且考虑可中断负荷合同的固定成本；C ope 则为运行期成本，包括网损费用、风险损失费用以及发电排放费用；步骤3.2、投资期成本：C inv ＝C device +C com式中，C device 为规划建设的设备成本，C com 为可中断负荷补偿费用；C device ＝C pur +C inst +C re +C scr式中，C pur 为系统新建设备的采购成本；C inst 为设备装设、调试过程中需要的所有成本；C re 为设备运行、定期检修维护成本；C scr 为设备退役期的报废成本，按设备拆除、运输成本与折旧残值之差计算；C com ＝k c ·η c ·P L式中，k c 为按合同约定的可中断负荷固定补偿费用；η c 为可中断负荷的占比；P L 为系统总负荷水平；步骤3.3、运行期成本：C system ＝C loss +C risk +C emiC risk ＝C loadloss +C neloss式中，C risk 为风险费用；C loss 为网损费用；C loadloss 为切负荷惩罚；C neloss 为因弃风、弃光引起的惩罚；C lost 为电价万元/MWh，N l 为电网输电线路总条数，P loss,ij 为第i个抽样状态下线路j的网损功率；Ω为发生切负荷操作的状态集合，P loadcut,i 为状态i的负荷削减总量，P l1,i 为状态i下切除可中断负荷量，ΔT i 为状态i的持续时间，可中断负荷与非可中断负荷采用不同的停电赔偿系数，分别取k l1 ,k l2 ；f ne 为弃风、弃光惩罚系数；K为煤电生产过程中所产生的主要污染气体种类数；P gen,t 为t时刻火电机组的实际出力，λ gas,k 为火电机组单位发电量产生的第k种气体的排放系数；当节点电压U n 均为1时，线路有功网损可按下式近似计算：式中，P ij 为第i个抽样状态下流过线路j的有功功率； 为功率因数，取0.95；R j 为线路j的电阻参数；步骤4、构建电网优化规划的目标函数，并建立计及风险的电网两层规划模型；步骤4.1、计及风险的电网两层规划模型目标函数为：上层网架规划模型的目标函数：LCC年值最小；将初期设备投资与末期设备折旧成本折算到同一水平年，得到全寿命周期成本等年值：min f 1 ＝R(C pur +C inst )+C re +D·C scr +C com +C loss +C risk +C emi式中，R为资金年回收率；D为偿还基金系数；r为折现率，代表将预期的成本或者收益折算为资金现值的比率，取7.0％；n为设备使用年限，取20；下层优化模型的目标函数：负荷削减总量最小；步骤4.2、计及风险的电网两层规划模型的约束条件为：上层网架规划模型的约束条件：线路扩建约束：0≤B ij ·E ij ≤Z ijmax式中，B ij 为输电线路ij的0-1决策变量；E ij 为节点ij间扩建的线路条数；Z ijmax 为节点ij间允许扩建的最大线路条数；线路连通性约束：利用图论知识，通过Warshall算法判断图的连通性：Φ(Z)＝1式中，Φ(Z)为网络连通性的判据，取值为1代表网络仅有一个连通域，即网架拓扑具有连通性；新能源并网点约束：新能源的并网方案需满足并网点约束；下层网架规划模型的约束条件：基于直流潮流的功率平衡约束、发电机容量上限约束、线路传输容量约束和节点最大切负荷量约束；步骤5、采用改进的鲸鱼优化算法求解规划模型，输出全局最优个体位置所对应的网架规划方案；步骤5.1、鲸鱼优化算法：在搜索代理X的位置进行随机初始化之后，搜索代理位置的更新机制存在全局随机搜索和Bubble-net捕猎策略两个阶段：步骤5.1.1、全局随机搜索：该阶段的位置更新策略在 的条件下发生；个体位置X的更新公式：式中，t为当前迭代次数， 为在搜索代理中随机选择的个体位置向量； 和 分别为搜索代理中个体更新前后的位置向量； 和 为系数向量；·表示逐元素相乘运算；在迭代过程中， 由2线性降至0； 为取值范围在[0,1]内的随机向量；步骤5.1.2、Bubble-net捕猎策略：当 时，仿照座头鲸的bubble-net捕猎策略，搜索代理中个体的位置更新包含收缩包围机制和螺旋更新位置两种方式：步骤5.1.3、收缩包围机制：在搜索代理中任选一个个体的位置作为当前最佳解，其他个体则朝着该最佳解的方向更新自身的位置：式中，t为当前迭代次数， 为当前最佳解对应的位置向量； 和 分别为搜索代理中个体更新前后的位置向量；步骤5.1.4、螺旋更新位置：计算位于 的鲸鱼和位于 的猎物之间的距离；在鲸鱼和猎物的位置之间建立一个螺旋方程，模拟座头鲸的螺旋形运动：式中， 为第i个个体到猎物当前最佳解的距离；b为对数螺旋线形状系数，取值为常数；l为取值范围在[-1,1]内的随机数；在更新搜索代理的位置时，按一定的概率选择其中一种方式，选为0.5：步骤5.2、鲸鱼优化算法的改进方法为：引入自适应权重因子w改进 和 的变化过程：式中，N为最大迭代次数；k为给定的调节系数，取2；采用权重因子w后的个体位置更新公式变为：对更新后的个体进行差分随机变异处理，防止其收敛早熟，变异策略：式中，r 1 ,r 2 为区间[0,1]内的随机数； 为种群中随机选择的个体；将实数个体转换为整数进行寻优，搜索代理的位置更新之后进行取整操作：X'(t)＝round(X(t))式中，X'(t)为取整操作后的个体位置；round()为四舍五入的取整函数；步骤5.3、基于改进鲸鱼算法的电网规划具体步骤如下：步骤5.3.1、输入电网规划的相关参数与改进WOA算法的基本参数，包括寻优变量的维度、寻优代理种群的个体数以及迭代总次数；步骤5.3.2、随机生成初始搜索代理的位置，进行初始化；步骤5.3.3、迭代次数初始化，将其值设为1，选取适应度值最小的个体，其位置即为当前寻优的最佳点；步骤5.3.4、随机生成概率p，并判断其大小，依据判断结果与计算所得系数向量，选择相应的个体位置更新公式，对个体的位置进行更新；步骤5.3.5、令迭代次数加1，并判断其值是否达到预设迭代次数，若未达到，则继续上述更新过程；步骤5.3.6、当达到预设的迭代次数以后，输出全局最优个体位置，所对应的网架规划方案即为寻优所得最佳方案。